Регистрация облаков точек Цзяньду с использованием данных высокого разрешения и обобщённого ядра Стьюдента

Древние записи встречаются с современной технологией

Бамбуковые и деревянные дощечки, известные как Цзяньду, являются одними из важнейших свидетелей ранней китайской истории, сохраняя всё — от налоговых реестров до классической литературы. Однако большинство этих узких иссохших полосок дошло до наших дней лишь в виде сломанных и хрупких фрагментов, с которыми рискованно обращаться и которые крайне медленно собираются вручную. В этой работе предложена новая цифровая методика, использующая детальные 3D-сканы и продвинутую математику для виртуального «стыковки» этих кусочков с куда большей точностью и надёжностью, что помогает сохранить оригиналы и одновременно восстанавливать давно утерянные тексты и сведения.

Проблема восстановления хрупкой истории

Восстановление Цзяньду гораздо сложнее, чем обычный пазл. Каждая дощечка тонкая, слегка деформирована веками в земле и часто изъедена по краям. Поверхности изломов неровные и стертые, а первоначальные чернила и древесные годичные слои выцветшие или нарушенные. Современные 3D-сканеры могут захватывать эти объекты в виде плотных облаков точек, но существующее ПО испытывает трудности с их выравниванием. Требуется субмиллиметровая точность, умение работать с отсутствующими фрагментами и неровными краями, а также игнорировать случайный шум от освещения, датчиков и окружения. Многие распространённые алгоритмы теряют устойчивость при неполных поверхностях или путаются из-за шумных измерений, что ведёт к неверным стыкам или нестабильным результатам.

Более умный способ считывать форму и текстуру

Чтобы преодолеть эти препятствия, авторы разрабатывают рамочную схему регистрации, которая рассматривает каждый фрагмент не просто как геометрию, а как богатое сочетание формы и внешнего вида поверхности. Сначала они анализируют малые ориентации локальных участков поверхности на нескольких масштабах, фактически создавая уточнённую карту того, как каждый разлом изгибается и скручивается. Затем они используют связи соседних областей друг с другом, чтобы сохранять топологическую согласованность этого описания, снижая риск неправильного сопоставления признаков из повреждённых зон. Одновременно метод переводит цветовые данные в пространство, лучше соответствующее человеческому восприятию, и использует как 3D-расстояние, так и цветовое сходство при предложениях о том, как два фрагмента могут стыковаться.

Пусть направление текстуры руководит сопоставлением

Отличительная особенность работы — то, что поверхность рассматривается как направленная подсказка, а не просто украшение. Поверхности Цзяньду часто показывают выровненные бамбуковые волокна и удлинённые штрихи чернил, ориентация которых, как правило, продолжается плавно через разлом. Алгоритм измеряет направление этих градиентов текстуры по RGB-D-изображениям, связанным с 3D-точками, и затем вводит жёсткое правило: две кандидатные точки могут быть сопряжены только если их направления текстуры согласуются в пределах небольшого угла. Это отсекает сопоставления, которые кажутся геометрически близкими, но нарушили бы естественный поток письма или древесных волокон. В результате стыки становятся более достоверными не только по форме, но и по тому, как визуальные узоры продолжаются через восстановленную дощечку.

Устойчивость к шуму и повреждениям

Реальные фрагменты редко соответствуют аккуратным допущениям учебной математики. Выбросы появляются из-за отколов, отсутствующих участков и сбоев измерений, создавая «тяжёлохвостое» распределение ошибок. Стандартные методы наименьших квадратов предполагают более мягкое распределение шума и легко сбиваются с пути такими выбросами. Авторы вместо этого заимствуют инструмент из робастной статистики — обобщённое ядро распределения Стьюдента. На практике это означает, что по мере того как несоответствие между двумя точками растёт, алгоритм автоматически уменьшает его влияние, не давая нескольким плохим соответствиям сорвать общее выравнивание. В комбинации с геометрическими и текстурными подсказками это делает итеративный процесс подгонки гораздо более устойчивым в тех грязных условиях, которые типичны для археологических данных.

Проверка метода на практике

Команда оценивала свою схему на нескольких наборах данных Цзяньду, полученных с помощью промышленного 3D-сканера и камеры высокого разрешения, фиксируя как тонкую форму, так и едва уловимые детали поверхности. Они сравнили подход с классическими методами сопоставления точек и современными обучаемыми методами, опирающимися на нейросети, натренированные на больших наборах данных. В тестах, меняющих начальную ориентацию фрагментов и добавляющих искусственный шум, новый метод последовательно даёт меньшие ошибки как по вращению, так и по трансляции, при этом сохраняя разумное время вычислений. Аблационные эксперименты, в которых поочерёдно удалялись отдельные компоненты, показывают, что каждая часть — нормали поверхности, проверки направлений текстуры и робастное ядро — вносит вклад в итоговый скачок точности, причём полная комбинация работает лучше всего.

Цифровые пазлы для сохранения прошлого

Проще говоря, эта работа предлагает специалистам по наследию более точный цифровой инструмент для воссоединения хрупких письменных памятников без физического вмешательства. Объединив аккуратные описания формы, направление поверхностных текстур и устойчивую к шуму стратегию оптимизации, метод позволяет надёжнее определять, как сломанные фрагменты Цзяньду сочетаются друг с другом. Это означает более чёткие реконструкции древних документов, меньший риск повреждения уникальных артефактов и более масштабируемый путь для обработки сотен тысяч уже раскопанных дощечек. Хотя метод разработан для Цзяньду, те же идеи можно адаптировать к другим раздроблённым реликвиям, привнося силу точных 3D-вычислений в более широкую задачу чтения и сохранения материальных следов прошлого.

Цитирование: Zhang, Q., Wang, C., Qi, Y. et al. Jiandu point cloud registration using high-resolution data and generalized t-student kernel. npj Herit. Sci. 14, 267 (2026). https://doi.org/10.1038/s40494-026-02533-4

Ключевые слова: реконструкция Цзяньду, регистрация 3D-облаков точек, цифровое культурное наследие, выравнивание с учётом текстуры, робастная оптимизация